随着社会和经济的发展,城市规模不断扩大,车辆日益增多,城市交通拥挤和环境恶化等问题日益突出,交通事故频繁发生,使得交通运输的合理调度和管制成为社会的一个重要问题。道路交通标志作为一种视觉语言,其用图形符号和文字传递给驾驶员和行人当前道路环境信息,对维护交通秩序、保障行车和行人的安全都起着极其重要的作用。智能交通以节约时间、金钱,保障生命安全为目的。交通标志的分割识别可以看作是智能交通的一个重要组成部分。另外科技的发展使得汽车趋于智能化,车辆视频导航技术备受青睐。道路交通标志的自动分割识别可以应用于车辆视频导航技术中。因此交通标志的自动分割识别具有重要的理论意义和现实实用价值。道路交通标志具有其自身显著的特点,根据颜色和形状,其可以分为禁止标志、警告标志和指示标志。本文的研究依据颜色和形状特征,对这三类交通标志的自动分割识别算法进行了研究。论文的主要内容和创新如下:(1)自然条件下交通标志受天气、光照变化、周围环境的影响较大,为了更有利于后续的图像分割和识别,需要对图像进行增强。传统的方法是转换颜色空间分离彩色信息,对亮度直方图均衡化,然后合成回显。本文基于Gamma校正,提出了一种非线性校正函数。实验证明,该算法较传统的方法增强后的彩色图像更加清晰,色彩更加鲜艳而不失真。该算法直接使用RGB颜色模型,无需转换颜色空间,极大满足了实时性的要求。(2)本文详细研究了各种颜色空间下的彩色图像分割算法,提出了一种新的基于R、G、B差值关系的彩色图像阈值分割算法,该算法的差值关系具有规律性,计算更加简单。对CBH颜色模型进行了改进,简化了计算。并将RGB颜色模型下的分割算法作为粗分割,把CBH颜色模型下的分割算法作为细分割,这种分割方法结合了在RGB颜色模型中分割的快速性和在CBH颜色模型中分割的精确性。实验结果证实了该算法的有效性和准确性。(3)形状是交通标志的另一个显著特征,依据颜色和形状可以把交通标志进行正确分类。本文研究了交通标志的形状分析及分类算法。传统的形状分析算法大多基于边缘检测和模板匹配。分析结果依赖于边缘检测效果,而模板搜索匹配效率低下。本文通过连通域分析法精确定位并提取候选目标,并在此基础上提出了一种轮廓最小外接矩八方向点检测法进行形状分析。最终结合颜色特征将交通标志准确分类。实验证明利用连通域分析法定位并提取候选目标比其他方法更为精确。本文的形状分析法简单而行之有效,为交通标志进一步的快速识别打下了一个良好的基础。(4)在交通标志识别阶段,本文研究了基于特征匹配的识别算法,重点研究了SIFT算法和基于Hu不变矩的特征匹配识别算法,指出了SIFT算法在交通标志识别应用中的不足,采用Hu不变矩取得了较好的匹配识别效果。